引言
基于状态的监测(CbM)和预测性维护(PM)是两种维护策略,旨在优化设备效率并减少设备生命周期中的维护时间和维护成
本。
状态监测(CM)是对多个参数(如:设备振动和温度)的监测,以识别潜在的问题,如:偏离或轴承故障。当振动分析显示旋转
设备部件的谐波频率发生变化时,状态监测工具便可绘制设备性能下降的映射图等。频率分析以振动计和麦克风数据为基础。
此外,还将MCSA(电机电流信号分析)作为与振动分析互补的技术。MCSA具有一定优势,且更适用于失衡等一些特定的异常
情况。
连续状态监测技术可应用于压缩机、泵、主轴和电动机等多台设备,还可用于识别机器出现的局部排放或真空泄漏等问题。
预测性维护以状态监测、异常检测和分类算法为基础,并集成了预测模型,该模型可以根据检测到的异常来估计机器的剩余运行
时间。该方法可使用各种工具,例如:统计分析和机器学习,来预测设备的状态。
在工业4.0中,状态监测和预测性维护是一种增值但又具有挑战性的应用。因此,意法半导体为远程监测部署了先进的集成电路和
评估工具、软件、文件和在线仪表盘生态系统,并不断对其进行更新以适应工业需求。